| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及其意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·研究内容与创新点 | 第13页 |
| ·论文的组织结构 | 第13-14页 |
| 第二章 聚类分析 | 第14-28页 |
| ·聚类分析的基本概念 | 第14-17页 |
| ·类及聚类的定义 | 第14-15页 |
| ·聚类算法的要求 | 第15-17页 |
| ·相似性测度 | 第17-18页 |
| ·聚类的典型方法 | 第18-20页 |
| ·划分的方法(partitioning method) | 第18页 |
| ·层次的方法(hierarchical method) | 第18-19页 |
| ·基于网格的方法(grid-based method) | 第19页 |
| ·基于模型的方法(model-based method) | 第19-20页 |
| ·聚类的评价标准 | 第20-23页 |
| ·距离 | 第20-22页 |
| ·相似系数 | 第22-23页 |
| ·聚类准则函数 | 第23-25页 |
| ·使用模型分析数据 | 第25-27页 |
| ·模型简介 | 第25-26页 |
| ·概率模型 | 第26页 |
| ·混合模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 高斯混合模型及EM初始化问题研究 | 第28-40页 |
| ·EM算法 | 第28-29页 |
| ·EM算法简介 | 第28页 |
| ·EM算法的原理 | 第28-29页 |
| ·高斯混合密度模型的基本概念 | 第29-30页 |
| ·高斯混合模型的参数估计 | 第30-32页 |
| ·不完全数据的问题 | 第30-31页 |
| ·基于EM的高斯混合模型参数估计 | 第31-32页 |
| ·初始化问题 | 第32-39页 |
| ·随机初始化 | 第32页 |
| ·层次聚类初始化 | 第32-33页 |
| ·Kmeans初始化 | 第33页 |
| ·近似密度初始化 | 第33-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 双重高斯混合模型研究 | 第40-48页 |
| ·半监督学习的聚类 | 第40页 |
| ·双重高斯混合模型的基础知识 | 第40-43页 |
| ·贝叶斯学习理论的基本观点 | 第40-42页 |
| ·最大后验概率 | 第42-43页 |
| ·基于双重高斯混合模型的EM学习算法 | 第43页 |
| ·EM算法估计医学图像双重高斯混合模型的参数 | 第43-46页 |
| ·基于双重高斯混合模型的医学图像聚类系统 | 第46-47页 |
| ·MIDGMM的医学图像聚类系统 | 第46页 |
| ·Bayes判别准则 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于MIDGMM的医学图像聚类分析 | 第48-52页 |
| ·医学图像预处理 | 第48-49页 |
| ·基于MIDGMM的医学图像聚类 | 第49-50页 |
| ·实验与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·论文总结 | 第52页 |
| ·进一步的研究工作 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 发表论文和参与项目 | 第60页 |
